基于GEE时间序列遥感影像分类方法研究

为探究不同时间序列密度影像对地物分类影响,笔者以敦化市为研究区,基于Google Earth Engine云平台,以Sentinel-1为数据源,建立10 d、15 d、20 d、30 d等不同时间间隔的时间序列数据集,对建立的时间序列数据集采用随机森林、分类回归树和最小距离3种分类方法进行分类实验,探究3种分类方法的识别能力。结果表明,与分类回归树和最小距离相比随机森林更能准确识别作物,时间序列密度的增加能提高分类精度。选取随机森林分类器对10 d时间间隔的时间序列数据集总体分类精度达到了98.04%。